AI 코딩 시대의 개발자. 코드를 짜는 일의 상당 부분을 AI가 가져갔다. 그렇다면 개발자는 무엇을 준비해야 할까. 바이브 코딩과 에이전틱 워크플로를 다뤄본 끝에 정리하는, AI 시대에 가치가 오르는 역량과 가치가 떨어지는 역량.들어가며이 시리즈에서 두 가지를 봤다. 바이브 코딩의 현실에서는 AI가 앱의 70%를 만들어주지만 나머지 30%는 사람의 몫이라는 것을, Claude Code 실전 워크플로에서는 그 30%를 끌어올리는 건 프롬프트 솜씨가 아니라 구조라는 것을.이제 마지막 질문이 남는다. 이런 시대에 개발자는 무엇을 준비해야 하나."AI가 개발자를 대체한다"는 공포 마케팅도, "AI는 그냥 도구일 뿐"이라는 안일함도 답이 아니다. 분명한 건 일의 무게중심이 이동하고 있다는 사실이고, 준비란 그 이..
클로드 코드(Claude Code) 실전 워크플로. AI에게 "그냥 시키는" 것과 "제대로 시키는" 것은 결과가 다르다. 사이드 프로젝트를 빠르게, 그러나 망가지지 않게 만드는 Claude Code 활용법을 CLAUDE.md·계획 우선·서브에이전트 중심으로 정리한다.들어가며지난 글에서 바이브 코딩의 한계를 봤다. 도구는 70%까지 데려다주지만, 나머지 30%는 결국 사람이 채워야 한다고. 그렇다면 질문이 바뀐다. 개발 지식이 있는 사람은 AI 코딩 도구를 어떻게 써야 그 30%까지 끌고 갈 수 있을까?핵심은 도구 선택이 아니라 일하는 방식이다. 같은 Claude Code를 써도, "그냥 시키는" 사람과 "구조를 잡고 시키는" 사람의 결과물은 완전히 다르다.한 통계가 인상적이다. AI가 개별 결정을 80%..
바이브 코딩의 현실. v0, Lovable, Bolt로 "말만 하면" 앱이 만들어진다. 어디까지 진짜로 되고, 어디서부터 막힐까. AI로 MVP를 만들 때 실제로 되는 것과 안 되는 것을, 환상 빼고 정리한다.들어가며"코딩을 몰라도 앱을 만든다." 요즘 가장 뜨거운 키워드, 바이브 코딩(vibe coding)이다. v0, Lovable, Bolt 같은 도구에 원하는 걸 말로 설명하면 몇 분 만에 동작하는 앱이 나온다. Lovable은 사용자 800만 명에 연 매출(ARR) 2억 달러를 찍었고, Bolt도 5개월 만에 4천만 달러를 돌파했다. 더 이상 변두리 기술이 아니다.그런데 막상 써보면 두 가지 감정이 교차한다. 처음엔 "이게 된다고?" 하는 감탄, 그다음엔 "여기서부터 왜 안 되지?" 하는 막막함이..
쿠키 vs 세션 vs 토큰. 웹 인증의 3대 개념. 비슷해 보이지만 인증 정보를 어디에 저장하느냐가 다르다. 셋의 차이와 동작 원리, 그리고 언제 무엇을 써야 하는지를 그림과 함께 정리한다.들어가며로그인 기능을 만들다 보면 쿠키, 세션, 토큰이라는 단어를 반드시 만난다. 그런데 이 셋이 어떻게 다른지, 어떤 관계인지 명확히 설명하기는 의외로 어렵다. "쿠키에 세션을 저장한다"거나 "토큰을 쿠키에 담는다" 같은 말이 섞여 나오면 더 헷갈린다.핵심은 하나다. HTTP는 상태가 없다(stateless). 그래서 "이 요청을 보낸 사람이 방금 로그인한 그 사람"임을 증명할 방법이 필요하다. 쿠키·세션·토큰은 모두 그 문제를 푸는 방법이다.이 글에서는 왜 인증이 필요한지부터 시작해, 세 가지 방식의 차이와 동작 ..
XSS와 CSRF. 이름도 비슷하고 둘 다 웹 보안 공격이라 항상 헷갈린다. 하지만 공격 방향도, 대응 방법도 정반대다. 두 공격의 차이를 명확히 가르고, 각각의 동작 원리와 방어법을 코드로 정리한다.들어가며웹 보안을 공부하면 XSS와 CSRF가 거의 세트로 등장한다. 이름도 알파벳 네 글자로 비슷하고, 둘 다 웹 공격이라 헷갈리기 쉽다. 하지만 이 둘은 공격하는 방향이 정반대다.XSS는 "사용자를 속여 악성 스크립트를 실행시키는" 공격이고, CSRF는 "사용자의 인증 정보를 도용해 서버를 속이는" 공격이다.한 문장으로 차이를 잡으면 이렇다. XSSCSRF풀네임Cross-Site ScriptingCross-Site Request Forgery속이는 대상사용자(브라우저)서버핵심악성 스크립트를 실행시킴위조된..
트랜스포머(Transformer). RNN의 한계를 어텐션 하나로 뒤집은 구조. "Attention Is All You Need"가 왜 딥러닝의 판도를 바꿨는지, 셀프 어텐션의 동작 원리를 수식과 그림으로 정리한다. 오늘날 GPT·BERT의 출발점이다.들어가며RNN 글에서 순환 신경망이 순서가 있는 데이터를 어떻게 처리하는지 봤다. 그런데 RNN에는 두 가지 고질적인 한계가 있었다. 2017년, 구글이 발표한 논문 "Attention Is All You Need"는 이 한계를 어텐션이라는 메커니즘 하나로 정면 돌파했다. 그 결과물이 트랜스포머(Transformer) 다.트랜스포머는 단순히 좋은 모델 하나가 아니다. 오늘날 우리가 쓰는 GPT, BERT, Claude 같은 거의 모든 대규모 언어 모델의 근..
